基于剂量组学预测肺癌患者放射性肺炎发生的研究

目的 探讨剂量组学在预测肺癌根治性放疗患者放射性肺炎发生中的应用潜能。方法 回顾性收集行根治性放疗的314例肺癌患者的临床资料、放疗剂量文件、定位及随访CT图像,根据临床资料及影像学随访资料对放射性肺炎进行分级,提取全肺的剂量组学特征,构建机器学习模型。应用1000次自助抽样法（bootstrap）的最小绝对值收敛和选择算子嵌套逻辑回归（LASSO‐LR）及1000次bootstrap的赤池信息量准则（AIC）向后法筛选与放射性肺炎相关的剂量组学特征,随机按照7∶3划分为训练集及验证集,应用逻辑回归建立预测模型,并应用ROC曲线及校正曲线评价模型的性能。结果 共提取120个剂量组学特征,经LASSO‐LR降维筛选得到12个特征进入“特征池”,再经过AIC向后法筛选,最终筛选出6个剂量组学特征进行模型构建,训练集AUC为0.77（95%CI为0.65~0.87）,独立验证集AUC为0.72（95%CI为0.64~0.81）。结论 利用剂量组学建立的预测模型具有预测放射性肺炎发生的潜力,但仍需继续纳入多中心数据及前瞻性数据进一步挖掘剂量组学的应用潜能。     

基于放射组学预测放射性肺炎的初步研究

目的 基于肺癌患者胸部定位CT图像进行筛选与放射性肺炎发生相关的放射组学特征,构建机器学习模型,探讨放射组学在预测放射性肺炎发生中的价值。方法 回顾性分析行根治性调强放疗的Ⅲ期非小细胞肺癌患者86例,通过随访影像学资料及临床信息将其进行放射性肺炎分级,并收集其定位CT图像。将全肺作为感兴趣体积进行放射组学特征的提取,分析与发生放射性肺炎有关的放射组学特征及临床、剂量学特征。利用支持向量机进行模型构建, 通过五折验证方式检测模型预测性能。结果 提取出放射组学特征1029个,通过方差分析及LASSO方法共得到与发生放射性肺炎有关的放射组学特征5个。单纯利用放射组学特征构建模型的测试集曲线下面积(AUC)=0.67,利用放射组学特征结合临床、剂量参数构建模型的测试集AUC=0.71。结论 在通过利用Ⅲ期非小细胞肺癌患者的定位CT图像进行构建的放射组学模型有预测放射性肺炎发生的潜能,加入临床及剂量参数后可进一步提高预测效能。     

基于影像组学和人工智能预测非小细胞肺癌放化疗疗效的可行性

目的:构建基于影像组学特征的预测模型，以预测非小细胞肺癌患者接受序贯放化疗（sequential chemoradiotherapy,SCRT)或同步放化疗（concurrent chemoradiotherapy,CCRT）后的病情部分缓解（partial response,PR）可能性。方法:回顾性收集2016年01月至2020年06月确诊为非小细胞肺癌并接受SCRT或CCRT患者资料。符合条件的患者纳入本研究中，并随机分为训练集和验证集。采用单因素方差分析及最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）算法，在训练集中筛选出最佳影像组学特征。在训练集中进行机器学习（Logistic regression,LR;Decision tree,DT;AdaBoost）模型构建。受试者工作特征曲线下面积(area under curve,AUC)、敏感性和特异性用于评估模型性能，使用列线图对模型进行可视化，决策曲线分析法检验模型应用效能。结果:共纳入75例患者，随机分为两组，训练集52例，验证集23例。在进行单因素方差分析和LASSO回归分析后，筛选出了6个放射学特征，使用机器学习方法构建预测模型。在训练集中，LR、DT、AdaBoost的模型的AUC为0.919、0.773及0.832，在验证集中为0.795、0.723及0.638。使用LR模型构建决策曲线表明，当风险阈值为0.1~0.92时，可增加患者的净效益。结论:本研究开发并验证了一个影像组学预测模型，可以预测接受SCRT/CCRT后肺癌患者的缓解概率。     

基于影像组学与生物等效剂量组学的放射性肺炎预测研究

目的结合影像组学和剂量组学特征, 采用机器学习方法构建放射性肺炎的预测模型。方法回顾性分析2019—2021年在本院接受放疗的88例非小细胞肺癌患者。将肺组织-临床靶区的区域作为感兴趣区域, 从该区域的CT图像和剂量分布中提取影像组学和剂量组学特征。利用2 Gy/次等效剂量(EQD2)模型将物理剂量转换为生物等效剂量, 并从中提取基于EQD2的剂量组学特征。将影像组学结合剂量组学、影像组学结合生物等效剂量组学特征分别输入11个不同的分类器构建预测模型, 并采用五折交叉验证法完成分类实验。受试者工作特性曲线下面积(AUC)值被用来评价模型的有效性。结果两种模型都可以很好地预测放射性肺炎的发生, 两种算法下影像组学结合生物等效剂量组学模型的平均AUC值均更高(0.77±0.06∶0.85±0.03, 0.76±0.09∶0.85±0.05, 均P<0.05)。结论基于影像组学和生物等效剂量组学的多模态组学方法能够更加有效地预测放射性肺炎的发生, 为临床肺癌患者的放疗提供指导。     

基于CT影像组学的列线图模型预测肺部肿瘤立体定向放射治疗疗效

目的:基于治疗前CT图像筛选放射组学特征构建列线图模型预测早期非小细胞肺癌（early stage-non-small cell lung cancer,ES-NSCLC）和肺部寡转移癌的放疗疗效。方法:本研究纳入122例接受立体定向放射治疗（stereotactic body radiotherapy,SBRT）的ES-NSCLC和肺部寡转移癌的患者,随机分为训练集和验证集。使用最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）和逻辑回归（logistic regression）筛选训练集中与放疗疗效相关的放射组学特征以建立列线图模型。用受试者工作特征曲线（receiver operating characteristic curves,ROC）下面积（area under the curve,AUC）、校准曲线和决策曲线（decision curve analysis,DCA）评价模型性能。结果:经筛选得出6个放射组学特征形成放射组学特征分数（radiomics score,Rad-score）以建立列线图模型。模型训练集的AUC值为0.808（95%CI:0.712~0.884,P<0.001）,验证集的AUC为0.741（95%CI:0.556~0.879,P=0.003）。Delong检测显示模型表现均衡（P=0.496）,校准曲线和DCA均显示了模型较好的预测性能和较高的临床价值。结论:我们基于治疗前CT图像开发并验证了用于预测肺部肿瘤SBRT治疗疗效的列线图模型,该模型具有较高的预测性能和临床实用性。     

基于剂量组学的食管癌放化疗后放射性肺炎的预测模型北大核心CSCD

目的研究基于剂量组学的局部晚期食管癌根治性放化疗后发生放射性肺炎的影响因素和预测模型。方法回顾性分析2020年1月至2021年8月在浙江省肿瘤医院行根治性放射治疗的105例食管癌病例资料,放射性肺炎的评级按照美国国立癌症研究所常见不良反应术语评定标准5.0版进行评价,分别收集临床因素、传统剂量学特征和剂量组学特征。对用于预测是否发生放射性肺炎的特征进行limma分析。使用支持向量机、k最近邻算法、决策树、随机森林和极致梯度提升算法分别建立预测模型,用十折交叉验证法评估模型的性能,delong检验评估采用不同特征时的模型差异。结果全组患者放射性肺炎发生率为21.9%。1个临床因素、6个传统剂量学特征和42个剂量组学特征与放射性肺炎发生相关(P<0.05)。支持向量机使用线性核函数得到的预测性能最好,未加入和加入剂量组学特征的受试者操作特征曲线下面积分别为0.72和0.75。支持向量机、随机森林和极致梯度提升算法所建立的模型在未加入和加入剂量组学特征时差异有统计学意义(P<0.05)。结论加入剂量组学特征可有效提高食管癌放疗后放射性肺炎的预测模型性能。     

基于剂量组学的食管癌放化疗后放射性肺炎的预测模型

目的研究基于剂量组学的局部晚期食管癌根治性放化疗后发生放射性肺炎的影响因素和预测模型。方法回顾性分析2020年1月至2021年8月在浙江省肿瘤医院行根治性放射治疗的105例食管癌病例资料, 放射性肺炎的评级按照美国国立癌症研究所常见不良反应术语评定标准5.0版进行评价, 分别收集临床因素、传统剂量学特征和剂量组学特征。对用于预测是否发生放射性肺炎的特征进行limma分析。使用支持向量机、k最近邻算法、决策树、随机森林和极致梯度提升算法分别建立预测模型, 用十折交叉验证法评估模型的性能, delong检验评估采用不同特征时的模型差异。结果全组患者放射性肺炎发生率为21.9%。1个临床因素、6个传统剂量学特征和42个剂量组学特征与放射性肺炎发生相关(P<0.05)。支持向量机使用线性核函数得到的预测性能最好, 未加入和加入剂量组学特征的受试者操作特征曲线下面积分别为0.72和0.75。支持向量机、随机森林和极致梯度提升算法所建立的模型在未加入和加入剂量组学特征时差异有统计学意义(P<0.05)。结论加入剂量组学特征可有效提高食管癌放疗后放射性肺炎的预测模型性能。     

基于CT影像组学列线图预测宫颈癌放疗急性放射性直肠炎

目的:结合影像组学得分、放射剂量参数以及临床风险因素建立联合预测列线图对宫颈癌患者发生急性放射性直肠炎进行预测。方法:回顾性分析109例宫颈癌患者的影像、剂量学以及临床病理资料。利用Accu Contour软件对CT图像中直肠组织进行自动勾画并提取影像组学特征。按照7∶3的比例随机将所有患者分成训练集和验证集。采用最小绝对收缩和选择算子（LASSO）方法从训练集中筛选最佳的预测特征并计算得到影像组学得分（Radscore）。通过单因素与多因素回归分析筛选独立预测因子建立联合模型并绘制列线图。计算Radscore、临床模型以及联合预测模型的AUC值,并比较3种模型间AUC差异。应用决策曲线分析评估联合模型的临床实用性。结果:经过筛选最终6个影像组学特征参与建立Radscore。单因素与多因素回归结果显示发现年龄、D1cc、V45与Radscore为独立预测因子,并基于4个独立因素建立联合模型。联合模型在训练集与验证集中的AUC分别为0.921、0.845,均高于Radscore与临床模型。决策曲线分析显示联合模型在0.1~0.85阈值范围内表现出了良好的临床实用性。结论:基于CT影像组学开发的列线图在预测宫颈癌放疗急性放射性直肠炎发生中具有一定优势,为临床提供一种快捷、无创且有效的预测手段。     

氨溴索注射液预防肺癌放射性肺炎的疗效观察

目的:观察氨溴索注射液对急性放射性肺炎的预防作用。方法:72例不能手术的原发性肺癌患者随机分为治疗组36例与对照组36例。采用适形放射治疗技术,总剂量60Gy～64Gy,V₂₀限制在20%～30%;治疗组从放疗开始到放疗结束应用氨溴索注射液每天40mg,bid,静脉点滴;对照组单纯放疗。结果:治疗组和对照组放射性肺炎发生例数（率）分别是4（11.1%）和12（33.3%）,两组差异有统计学意义（P<0.05）,且治疗组无2级及以上放射性肺炎的发生。结论:肺癌患者放疗期间应用氨溴索注射液能有效预防放射性肺炎的发生。     

痰热清注射液对放射性肺炎的预防作用

目的：观察痰热清注射液对急性放射性肺炎的预防作用。方法：90例不能手术的非小细胞肺癌病人随机分入治疗组44人与对照组46人。采用适形放射治疗技术,总剂量56—64Gy,V20限制在20％-30％;治疗组从放疗开始到放疗结束应用痰热清注射液每天20ml静脉点滴,每连用5天,停用2天。对照组单纯放疗。结果：治疗组和对照组放射性肺炎发生例数（率）分别是5（11．3％）和14（30．4％）,两组之间有显著差别（P〈0．05）,且治疗组无2级及以上放射性肺炎的发生。放射性肺炎发病时间分别是放疗开始后62．2天和54．3天,差异显著（P〈0．05）。结论：接受放射治疗的非小细胞肺癌患者放疗期间应用痰热清注射液能有效预防放射性肺炎的发生。     

107例NSCLC患者放疗后≥2级放射性肺炎预测模型的建立和分析

目的 探讨非小细胞肺癌三维适形放疗后放射性肺炎发生的相关因素并建立数学预测模型.方法 收集行三维适形放疗的非小细胞肺癌患者107例.全组患者均为根治性放疗,剂量采用常规放疗,分割方式为2Gy/f,处方剂量60 ～78 Gy,中位剂量66 Gy.不同组别患者放射性肺炎的发生情况单因素分析采用x2检验.Logis-tic回归分析筛选影响放射性肺炎发生的独立预后因素.受试者工作特征(receiver operating characteristic,ROC)曲线分析评价其临床诊断性能.结果 本组患者放射性肺炎发生率为62.6％,≥2级放射性肺炎的发生率为38.3％,其中2级23例(21.5％),3级14例(13.1％),4级4例(3.7％).单因素分析结果显示,放射性肺炎的发生在慢性阻塞性肺疾病、T分期、射野数目、临床靶区(clinical target volume,CTV)的体积、CTV的平均剂量、计划靶区(planning target volume,PTV)体积、PTV的平均剂量、双肺体积和双肺Dmean、V5、V10、V15、V20、V25、V30、V35、V40方面差异均具有统计学意义(均P＜0.05).多因素分析显示,T分期、双肺Dmean、V20、V40为影响≥2级放射性肺炎发生的独立因素(均P＜0.05).在此基础之上,建立放射性肺炎的预测模型为Y=ex/(1+ex),其中x=-5.797-0.986×T分期+1.193×肺平均剂量+1.259 × V20+ 1.329×V40.结论 T分期、双肺Dmean、V20和V40为影响接受三维适形放疗的非小细胞肺癌患者发生≥2级放射性肺炎发生的独立因素,建立的数学预测模型对这类患者≥2级放射性肺炎的发生有较好的预测价值.     

CT影像组学在指导肺癌精准放疗中的应用进展

肺癌的精确诊断、放疗敏感性和正常组织放射性损伤的准确预测是实现肺癌精准放疗的必要前提。影像组学（radiomics）作为肺癌精准治疗发展史上一个具有里程碑意义的辅助工具,可以通过应用自动和半自动算法对肺癌影像资料的感兴趣区域提取大量影像特征,寻找这些特征与临床诊疗数据之间的深层关系,揭示肺癌的发生、发展及临床转归规律。影像组学可以无创获取肺部肿瘤整体异质性信息,在良恶性肺结节的判定、肿瘤基因表型和放疗反应的预测等方面具有巨大临床应用潜能。本文就CT影像组学在辅助肺癌放疗方面的最新研究进行综述。      

基于超声组学特征构建列线图预测早期乳腺癌前哨淋巴结转移

目的:基于早期乳腺癌原发灶纹理特征建立超声组学模型并构建列线图预测前哨淋巴结转移状态,以为临床诊断及治疗提供指导意义。方法:回顾性分析2017年1月至2020年12月就诊于我院乳腺外科经术后病理证实为早期乳腺癌的222例患者的超声图像,使用开源成像平台FireVoxel进行手动分割,并自动提取超声组学特征。采用最小绝对收缩和选择算子（LASSO）回归算法及Logistic回归分析筛选变量并计算预测概率。基于提取的组学特征及预测概率绘制列线图,给予每个哑变量具体的分值。并绘制校准曲线评价列线图的预测性能,绘制决策曲线评价列线图的临床应用效能。采用1 000次Bootstrap方法进行内部验证,计算平均AUC。结果:分割图像后共提取了859个超声组学特征,经过LASSO回归分析及Logistic回归分析筛选出5个超声组学特征。基于上述提取的组学特征绘制列线图,基于列线图建立的预测模型预测概率绘制ROC曲线,AUC为0.808（95%CI,0.751~0.865）。校准曲线显示该列线图预测的SLNM的发生概率与训练队列实际的SLNM发生概率之间有很好的一致性,决策曲线显示该列线图具有良好的临床应用效能。内部验证显示1 000次Bootstrap迭代结果一致,平均AUC为0.810。结论:基于早期乳腺癌原发灶纹理特征建立超声组学模型并构建列线图可有效预测前哨淋巴结转移状态,从而为临床诊断及治疗提供指导意义。     

基于CT影像组学预测模型对食管癌放疗后总生存期的预测价值

目的:探讨CT影像组学特征对食管癌根治性放疗患者预后总生存期的预测价值。方法:回顾性分析133例接受根治性放疗的食管癌患者临床、病理和影像资料。患者CT图像提取影像组学特征395个。通过最小绝对收缩和选择算子法筛选最佳影像组学特征并计算得到影像组学得分(Radscore)。通过单因素多因素分析得到食管癌根治性放疗患者预后的独立预测因子并建立Cox回归模型。计算预测模型C-index、决策曲线、综合判别改善指数评价不同预测模型性能。结果:筛选得到6个最佳影像组学特征。单因素多因素结果显示Radscore、化疗、放疗近期疗效为独立预测因子。影像组学模型在训练集与验证集的C-index分别为0.746、0.721高于临床模型(0.651、0.643)。决策曲线结果显示在阈值0.1～0.7之间,影像组学模型的临床净收益要高于临床模型。综合判别改善指数结果显示影像组学模型较临床模型在1年、3年、5年总生存期的综合判别性能分别提高了11.3%、22.2%、45.6%。结论:CT影像组学模型能较好的预测食管癌根治性放疗患者预后总生存期。     

临床影像组学列线图鉴别前列腺良恶性结节的应用价值

目的:建立基于双参数MR的临床影像组学列线图,评价其鉴别前列腺良恶性结节的应用价值。方法:选择2014年4月至2017年7月间接受前列腺MRI检查并经病理证实的前列腺结节患者227例(前列腺结节增生99例,前列腺癌128例)。从每个患者的轴位T2WI和ADC图像中提取影像组学特征。使用最小绝对收缩和LASSO回归进行降维,选择有效特征并构建影像组学特征模型。结合独立的临床危险因素,采用多元Logistic回归模型建立影像组学列线图。列线图的校准和诊断效能在训练集中进行评估,并在验证集中进行验证。最后通过决策曲线分析评价列线图的临床应用价值。结果:患者年龄、PSA、病灶所在区域以及筛选出的影像组学特征与前列腺结节的良恶性鉴别显著相关。影像组学模型对前列腺良恶性结节有较好的鉴别效能,训练集（AUC=0.91,95%CI:0.87~0.96),验证集（AUC=0.90,95%CI:0.81~1.00)。影像组学列线图结合了双参数MR图像的影像组学特征和独立的临床危险因素,在训练集(AUC=0.95,95%CI:0.91~0.98)和验证集(AUC=0.92,95%CI:0.83~1.00)中表现出更好的鉴别效能和病理符合率,决策曲线展示了临床影像组学结合模型的临床应用价值。结论:结合双参数MRI影像组学特征和临床危险因素的影像组学列线图可以简便地鉴别出前列腺结节的良恶性,为下一步临床决策提供建议。     

肺癌同期放化治疗中放射性肺损伤的相关因素分析

 目的 观察三维适形放疗联合同期化疗治疗局部晚期非小细胞肺癌中放射性肺损伤情况,对其相关因 素进行分析,寻找合理的预测性 指标。 方法 47例符合入组条件的非小细胞肺癌患者接受三维适形放疗及同期化疗。处方剂量为60Gy常规 放疗,同期化疗方案为NP方案,对三维适形治疗计划及临床资料进行单因素、多因素分析,评 价肺损伤情况。 结果 （1）完全缓解3例, 部分缓解42例,总有效率为95.74%,1年生存率75.78%。全组发生急性放 射性肺炎0级2例,1级20 例,2级17例,3级8例,无4级放射性肺炎发生。（2）与严重放射性肺炎发生呈正相关的剂量 学因素为MLD、肺NTCP,肺V5、 V15、V20。临床资料中仅发现肿瘤GTV与严重放射性肺炎发生相关;多因素分析显示全肺平均 剂量为放射性肺炎的独立影 响因素。 结论 剂量学因素（MLD、肺NTCP,肺V5、V15、V20）可以较好地预测严重放射性肺炎的发生,全肺 平均剂量是放射性肺炎发生的独立影响因素。     

非小细胞肺癌三维适形放疗放射性肺损伤剂量学因素分析

目的 观察非小细胞肺癌三维适形放疗患者急性放射性肺炎的发生情况,并分析其与各剂 量学因素的关系。方法 收集2010年6月—2010年12月间首程行三维适形放疗的非小细胞肺癌患者68 例。从治疗计划系统的剂量体积直方图中获取以下剂量学参数：处方剂量、平均肺剂量(MLD)、正常 肺体积剂量（V5~V50间隔5 Gy）等,分别采用单因素及多因素分析各个剂量学参数与放射性肺炎之 间的关系,并采用受试者工作特征曲线寻找预测界值。结果 V5是放射性肺炎发生的独立预后因素 （χ2=5.15,P=0.023）。患者肺脏的V5超过57%时放射性肺炎的发生率可能会增加。结论 临床医师 在审核治疗计划时,除了要考虑V20、V30、MLD等常用参数外,还应关注V5的大小。     

利用放射组学模型预测肺癌和食管癌患者发生放射性肺炎的研究

目的 分析探讨肺癌和食管癌易患放射性肺炎(RP)患者的放射组学共同特征,建立能够同时预测两种肿瘤放疗后发生RP的预测模型。方法 回顾性分析行根治性放疗的Ⅲ期肺癌和Ⅲ期食管癌各 100例,依据随访影像学资料及临床信息进行RP分级,并收集其定位CT图像,将全肺作为感兴趣区域进行放射组学特征的提取,分析与RP相关的放射组学特征及临床、剂量学特征,利用机器学习进行模型构建。结果 提取出放射组学特征1691个,肺癌和食管癌患者经过方差分析、最小绝对值收敛和选择算子降维后与RP相关的放射组学特征分别为8个和6个,其中相同的参数为5个。使用随机森林构建预测模型,将肺癌和食管癌分别交替作为训练集和验证集,食管癌和肺癌作为独立验证集曲线下面积分别为0.662和0.645。结论 构建肺癌和食管癌患者发生RP的共同预测模型是可行的,但还需进一步扩充样本量,并且纳入临床和剂量学参数增加其准确度、稳定性和泛化能力。     

影像组学在局限期小细胞肺癌脑预防照射优化中的价值

目的探讨治疗前胸部增强CT影像组学模型对局限期小细胞肺癌(LS-SCLC)脑转移的预测能力以及指导个体化预防性脑照射(PCI)的价值。方法回顾性分析2012年1月至2018年12月在山西省肿瘤医院经病理确诊为小细胞肺癌及影像学检查确定为局限期患者资料97例。基于最小绝对值收缩和选择算子(LASSO)Cox与相关性检验筛选与LS-SCLC脑转移显著相关的影像组学特征构建模型, 使用校正曲线、受试者操作特征曲线下面积(AUC)、内部5折交叉验证、决策曲线分析(DCA)与整合布莱尔评分(IBS)评估影像组学模型的预测效能与临床获益, 使用Kaplan-Merier曲线和log-rank检验绘制生存曲线和评估组间差异。结果提取出影像组学特征1272个, 使用LASSO Cox回归和相关性检验筛选特征, 最后通过8个与LS-SCLC患者脑转移发生相关的影像组学特征构建影像组学模型。影像组学模型预测LS-SCLC患者1年与2年脑转移的AUC分别为0.845(95%CI为0.746～0.943)和0.878(95%CI为0.774～0.983)。5折内部交叉验证、校正曲线、DCA以及IBS显示模型有...     

GNAS1 T393C多态性与放射性肺炎的相关性研究

摘 要：［目的］ 分析GNAS1 T393C多态性与肺癌放疗疗效、血液毒性、放射性食管炎和放射性肺炎的相关性。［方法］ 共收集经病理证实的接受放疗的Ⅲ~Ⅳ期肺癌患者67例。应用PCR扩增目的基因片段,sanger双脱氧测序方法分析GNAS1 T393C位点单核酸多态性的基因型。应用卡方检验和Logistic回归分析临床因素及基因型与肺癌放疗疗效、血液毒性、放射性食管炎和放射性肺炎的相关性。［结果］ 本组研究病例中位年龄为61岁。单因素分析显示同时使用化疗可以增加肺癌放疗疗效（P=0.045）,但是相应的骨髓抑制发生率增加（P=0.004）。肺鳞癌患者更容易发生放射性肺炎（P=0.015）。GNAS1 T393C等位基因T携带者发生放射性肺炎的比例明显高于等位基因C携带者（P=0.035）;进一步通过Logistic回归分析校正其他可能临床因素影响后,提示GNAS1 TT基因型发生放射性肺炎的可能性更大（P=0.06,OR=0.26,95%CI：0.06~1.09）。［结论］ GNAS1 T393C等位基因T与放射性肺炎相关,可能成为其预测因素,需要扩大样本量进行更深入的研究。